Углубляясь в детали. Разработан уникальный алгоритм обработки данных дистанционного зондирования Земли

17.05.19

Виктор Костоусов 
зав. отделом прикладных проблем управления ИММ,
кандидат физико-математических наук

Ни для кого не секрет, что наша планета давно уже находится под непрерывным наблюдением из космического пространства. Ее постоянно зондируют десятки посланных туда человеком аппаратов, взгляду которых доступны самые потаенные уголки Земли. Но далеко не все знают, что информация, поступающая со спутников, — часто лишь «сырье», основа, не всегда пригодная для практического использования. Чтобы обработать космические снимки, сделать их максимально информативными, требуется сложнейшее программное обеспечение, над которым трудятся многие научные коллективы. Успешно занимаются этим и сотрудники Института математики и механики Уральского отделения Российской академии наук. Их разработки по этой тематике уже удостоены премии губернатора Свердловской области, они вошли в число важнейших достижений УрО РАН минувшего года. О том, за что и почему, корреспондент «Поиска» побеседовала с заведующим отделом прикладных проблем управления ИММ кандидатом физико-математических наук Виктором КОСТОУСОВЫМ.

Виктор Борисович, какие задачи помогает решать обработка данных дистанционного зондирования Земли?

Для большинства отраслей экономики сегодня необходим постоянный мониторинг природных и антропогенных ландшафтов. Благодаря обработке данных космической съемки можно отслеживать рост и развитие инфраструктуры городских агломераций, состояние сельскохозяйственных земель и лесных массивов, обнаруживать незаконные вырубки и выявлять опасные экологические явления, оценивать масштаб стихийных бедствий и даже регулировать транспортный трафик.
Со спутников регулярно поступают снимки различного разрешения и спектрального состава. Например, для сельскохозяйственного и экологического мониторинга незаменима информация из инфракрасной, невидимой человеческим глазом, части электромагнитного спектра. Космические снимки служат источником еще одного ценного типа данных — полей высот строений и рельефа местности. Для решения задач картографии и кадастрового учета, оценки темпов жилого и промышленного строительства, обнаружения карстовых явлений в горных породах нужны трехмерные модели поверхности, которые сегодня строятся методами наземных измерений и требуют значительного времени и ресурсов. Без информации, полученной благодаря космической съемке, невозможна также безопасная навигация беспилотных летательных аппаратов.
Оперативное получение данных о высоте объектов по космической съемке и автоматизация процесса ее дешифрования значительно увеличивают скорость и точность принятия управленческих решений.

В чем преимущества разработанного вами программного комплекса?

Мы строим цифровую модель земной поверхности с помощью так называемого двухэтапного алгоритма стереосопоставления, который в отличие от большинства аналогичных методов позволяет обрабатывать спутниковые снимки городской застройки. Для стереосопоставления необходимы, как минимум, два снимка одного и того же участка территории, полученные с разных точек съемки, оба — черно-белые и высокодетальные, с разрешением менее одного метра. Одновременно с этой парой для дешифрирования объектов местности используются два мультиспектральных, или цветных, снимка с меньшим разрешением.
Первоначальная обработка космических изображений дает на выходе не план города, а полуфабрикат — цифровую матрицу высот строений и рельефа местности. Эта матрица «грубая», она отражает то, что видит камера: верхушки деревьев, крыши домов, движущиеся и временно припаркованные машины, которые оказались в этом месте в момент съемки. На следующем этапе все эти объекты надо классифицировать. Мы выделяем четыре типа поверхностей: облака (их нужно по возможности убрать со снимка), вода (для водных поверхностей нет необходимости проводить затратное по времени и ресурсам стереосопоставление), растительность и объекты инфраструктуры (дома, дороги и т.д.). Такая классификация неокончательна, но позволяет настроить алгоритм стереосопоставления на каждый конкретный тип объектов, что повышает итоговую точность и снижает затраты ресурсов на расчеты. Различные области мы можем обрабатывать по-разному: более подробно — территории застройки, насыщенные объектами, менее детально — гладкие поверхности, например, водные. На последнем этапе дешифрируются все полученные данные. Чтобы алгоритм, благодаря которому обнаруживаются строения, работал, мы используем подход, основанный на обучении нейронных сетей специальной архитектуры.

Каким образом можно обучить искусственную нейронную сеть, ведь это математическая модель?

Искусственная нейронная сеть — это действительно математическая модель, которая строится по принципам биологических нейронных сетей — нервных клеток живого организма. Ее параметры, а их тысячи, настраиваются путем обучения на примерах так же, как обучаются живые системы.
Использование нейронных сетей — самый популярный и перспективный метод обработки изображений. Чтобы с их помощью обрабатывать космическую съемку, надо решить ряд сложных проблем, связанных с выбором архитектуры сети и подбором данных для обучения. Мы выбрали такую модификацию сети, для обучения которой используются данные о поле высот рельефа и объектов местности, и получили высокое качество обнаружения строений и сооружений.
Трудность здесь состоит и в том, что при появлении сильно отличающихся данных, например, снимков другой природной зоны или другого климатического сезона, нейронные сети нужно переобучать. Для этого можно использовать разметку строений, полученную с помощью электронной топографической карты. Но часто такие карты недостаточно точны, поэтому разработан дополнительный алгоритм выделения высотных объектов по цифровой модели поверхности. Такой алгоритм позволяет достаточно надежно обнаруживать строения, а для повышения качества локализации мы разработали также специальный алгоритм сегментации изображений, способный в отличие от существующих учитывать имеющуюся информацию о высоте объектов.
Полученная в результате цифровая модель поверхности имеет разрешение 1 м на пиксель с точностью порядка метра в плане и по высоте, что соответствует лучшим решениям в этой области. Работоспособность программного комплекса проверена при обработке данных различных типов ландшафтов и сезонов.

Насколько быстро работает ваш комплекс?

Это действительно важнейший вопрос. Стереосопоставление космических снимков — процедура, затратная по времени и ресурсам, она требует подготовки специальной структуры расчетов и суперкомпьютерных мощностей. Проведенные эксперименты показали, что для обработки по нашей технологии «сцены» площадью порядка 150 квадратных километров на двух тысячах вычислительных ядер требуется около 5 минут. Для сравнения: на обычном компьютере это заняло бы сутки.

Есть ли аналоги вашей разработки?

Сегодня в России услуги по дешифрированию данных дистанционного зондирования предлагает целый ряд компаний. Как правило, они пользуются собственными геоинформационными системами, при этом данные обрабатываются вручную и извлекаются специально обученным оператором. Среди отечественных разработчиков автоматических систем отмечу АО «Ракурс» и их комплекс программ PHOTOMOD. По функциональности он шире нашего, однако при автоматическом построении моделей поверхности больше опирается на обработку аэросъемки, которая весьма затратна и связана с некоторыми ограничениями. Так что по качеству и производительности обработки данных дистанционного зондирования Земли большого и сверхбольшого объема наш алгоритм пока аналогов не имеет.

Беседовала Елена ПОНИЗОВКИНА

Нет комментариев